Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Teknoinfo
Naufal Adli
Institut Teknologi PLN
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Library & Information Science

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
REAL TIME OBJECT DETECTION MENGGUNAKAN FAST R-CNN Salsabila Tsamrotul Qolbi; Fitto Martcellindo; I Wayan Ardika Chandra; Naufal Adli; Ni Putu Dela Puspita; Abdul Haris
Jurnal Teknoinfo Vol. 19 No. 2 (2025): July 2025 Period
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/teknoinfo.v19i2.42

Abstract

Teknologi komputasi cerdas telah menjadi dasar utama dalam berbagai inovasi, termasuk pengembangan sistem deteksi objek. Dalam penelitian ini, dirancang sebuah sistem deteksi objek berbasis algoritma Fast Region-based Convolutional Neural Network (Fast R-CNN). Metode ini dipilih karena kemampuannya yang unggul dalam kecepatan dan akurasi deteksi dibandingkan dengan algoritma sebelumnya. Dengan mengintegrasikan proses ekstraksi fitur dan klasifikasi secara langsung, metode Fast R-CNN mampu menghasilkan deteksi yang lebih efisien. Pengujian dilakukan menggunakan dataset objek dengan variasi pencahayaan, sudut pandang, dan ukuran objek. Hasilnya menunjukkan bahwa metode ini mampu mendeteksi objek dengan tingkat akurasi yang tinggi. Kecepatan pemrosesan yang dimiliki Fast R-CNN menjadikannya cocok untuk pengujian dataset secara real-time dalam aplikasi seperti keamanan, pengawasan, dan sistem otonom. Dengan pendekatan ini, penelitian ini diharapkan dapat memberikan kontribusi nyata dalam pengembangan teknologi deteksi objek yang lebih andal dan efektif di berbagai bidang kehidupan.
Co-Authors Abdul Haris Fitto Martcellindo I Wayan Ardika Chandra Ni Putu Dela Puspita Salsabila Tsamrotul Qolbi